Документы интеллектуального анализа текста R из файла CSV (одна строка на документ)

Я пытаюсь работать с пакетом tm в R и иметь CSV-файл с отзывами клиентов, где каждая строка представляет собой отдельный экземпляр отзыва. Я хочу импортировать все содержимое этого отзыва в корпус, но я хочу, чтобы каждая строка была отдельным документом в корпусе, чтобы я мог сравнивать отзывы в матрице DocTerms. В моем наборе данных более 10 000 строк.

Изначально я сделал следующее:

fdbk_corpus <-Corpus(VectorSource(fdbk), readerControl = list(language="eng"), sep="\t")

Это создает корпус с 1 документом и> 10 000 строк, и я хочу> 10 000 документов с 1 строкой в ​​каждом.

Я предполагаю, что я мог бы просто иметь более 10 000 отдельных документов CSV или TXT в папке и создать из них корпус ... но я думаю, что есть гораздо более простой ответ, чем этот, читать каждую строку как отдельный документ.


r text-mining corpus tm documents
person user2407054    schedule 01.08.2013    source источник

Ответы (2)


arrow_upward
18
arrow_downward

Вот полный рабочий процесс, чтобы получить то, что вы хотите:

# change this file location to suit your machine
file_loc <- "C:\\Documents and Settings\\Administrator\\Desktop\\Book1.csv"
# change TRUE to FALSE if you have no column headings in the CSV
x <- read.csv(file_loc, header = TRUE)
require(tm)
corp <- Corpus(DataframeSource(x))
dtm <- DocumentTermMatrix(corp)

В объекте dtm каждая строка будет документом или строкой исходного CSV-файла. Каждый столбец будет словом.

person Ben    schedule 01.08.2013

arrow_upward
0
arrow_downward

Вы можете использовать TermDocumentMatrix() для своего объекта fdbk и получить матрицу документов терминов, где каждая строка представляет отзыв клиента.

person Victorp    schedule 01.08.2013